文档首页/ 分布式消息服务Kafka版/ 用户指南/ 测试实例性能/ 测试Kafka生产速率和CPU消耗
更新时间：2025-08-21 GMT+08:00
查看PDF
分享

测试Kafka生产速率和CPU消耗

本章节从批处理大小、是否跨AZ生产、副本数、同步/异步复制的维度进行分布式消息服务Kafka版的性能测试，对比客户端消息生产速率和服务端CPU消耗，得出性能测试结果。

  • 测试场景一（批处理大小）：相同的Kafka实例和Topic，不同的消息大小
  • 测试场景二（是否跨AZ生产）：相同的Kafka实例和Topic，生产客户端和服务端在不同的AZ中
  • 测试场景三（副本数）：相同的Kafka实例，不同的Topic副本数
  • 测试场景四（同步/异步复制）：相同的Kafka实例，不同复制机制的Topic
表1 测试参数

分区数

副本数

是否同步复制

batch.size

是否跨AZ生产

3

1

否

1KB

否

3

1

否

16KB

否

3

1

否

1KB

是

3

3

是

1KB

否

3

3

否

1KB

否

测试环境

进行性能测试前，您需要先构建如下的测试环境：

  1. 购买一个Kafka实例，参数信息如下，其他参数保持默认，购买方法请参考购买Kafka实例。
    表2

    参数名称

    示例取值

    区域

    中国-香港

    可用区

    可用区1

    版本

    2.7

    部署架构

    集群

    代理规格

    kafka.2u4g.cluster

    代理数量

    3

    单代理存储空间

    超高I/O，200GB

    虚拟私有云

    选择虚拟私有云

    子网

    选择子网

    安全组

    选择安全组

    访问方式

    保持默认

    实例名称

    kafka-test

    企业项目

    default

    购买完成后，在实例详情页获取Kafka实例的内网明文连接地址。

  2. 在购买的Kafka实例中，创建如下参数的3个Topic，具体步骤请参考创建Kafka Topic。
    • Topic-01：3分区1副本，异步复制
    • Topic-02：3分区3副本，异步复制
    • Topic-03：3分区3副本，同步复制
  3. 获取测试工具。

    获取Kafka命令行工具2.7.2版本。

  4. 购买客户端服务器。
    购买如下参数的2台ECS服务器，具体步骤请参考购买弹性云服务器。
    • 区域、可用区、虚拟私有云、子网、安全组与Kafka实例保持一致，规格为4U8G，Linux系统的ECS。
    • 区域、虚拟私有云、子网、安全组与Kafka实例保持一致，“可用区”为“可用区2”，规格为4U8G，Linux系统的ECS。

    购买完成ECS后，需要在ECS中完成以下配置：

    • 安装Java JDK，并配置JAVA_HOME与PATH环境变量。 
      export JAVA_HOME=/root/jdk1.8.0_231 
export PATH=$JAVA_HOME/bin:$PATH
    • 下载Kafka命令行工具2.7.2版本，并解压。 
      tar -zxf kafka_2.12-2.7.2.tgz

测试脚本

./kafka-producer-perf-test.sh --producer-props bootstrap.servers={连接地址} acks=1 batch.size={batch.size} linger.ms=0 --topic {Topic名称} --num-records {num-records} --record-size 1024 --throughput 102400
表3 脚本参数说明

参数名称

说明

bootstrap.servers

购买Kafka实例中获取的Kafka实例的地址。

acks

消息主从同步策略，acks=1表示异步复制消息，acks=-1表示同步复制消息。

batch.size

每次批量发送消息的大小（单位为字节）。

linger.ms

两次发送时间间隔。

topic

创建Topic中设置的Topic名称。

num-records

总共需要发送的消息数。

record-size

每条消息的大小。

throughput

每秒发送的消息数。

测试步骤

测试场景一：批处理大小

  1. 登录客户端服务器，进入“kafka_2.12-2.7.2/bin”目录下，执行以下脚本。
    batch.size=1KB，执行脚本如下： 
    ./kafka-producer-perf-test.sh --producer-props bootstrap.servers=192.168.0.69:9092,192.168.0.42:9092,192.168.0.66:9092 acks=1 batch.size=1024 linger.ms=0 --topic Topic-01 --num-records 8000000 --record-size 1024 --throughput 102400

    执行结果如下：

    8000000 records sent, 34128.673632 records/sec (33.33 MB/sec), 879.91 ms avg latency, 4102.00 ms max latency, 697 ms 50th, 2524 ms 95th, 2888 ms 99th, 4012 ms 99.9th.

    客户端消息生产速率=34128

    batch.size=16KB，执行脚本如下：

    ./kafka-producer-perf-test.sh --producer-props bootstrap.servers=192.168.0.69:9092,192.168.0.42:9092,192.168.0.66:9092 acks=1 batch.size=16384 linger.ms=0 --topic Topic-01 --num-records 100000000 --record-size 1024 --throughput 102400

    执行结果如下：

    100000000 records sent, 102399.318430 records/sec (100.00 MB/sec), 4.72 ms avg latency, 914.00 ms max latency, 1 ms 50th, 5 ms 95th, 162 ms 99th, 398 ms 99.9th.

    客户端消息生产速率=102399

  2. 登录Kafka控制台。
  3. 单击测试实例名称，进入实例详情页。
  4. 在左侧导航栏单击“监控 > 监控详情”，进入监控页面。
  5. 在“节点”页签，查看服务端节点的CPU使用率。
    图1 broker-0的CPU使用率（batch.size=1KB）

    CPU消耗=58.10%

    图2 broker-0的CPU使用率（batch.size=16KB）

    CPU消耗=24.10%

    图3 broker-1的CPU使用率（batch.size=1KB）

    CPU消耗=56.70%

    图4 broker-1的CPU使用率（batch.size=16KB）

    CPU消耗=25%

    图5 broker-2的CPU使用率（batch.size=1KB）

    CPU消耗=53.30%

    图6 broker-2的CPU使用率（batch.size=16KB）

    CPU消耗=23.30%

测试场景二：是否跨AZ生产

  1. 登录客户端服务器，进入“kafka_2.12-2.7.2/bin”目录下，执行以下脚本。

    客户端服务器和实例在相同的AZ中，执行脚本如下：

    ./kafka-producer-perf-test.sh --producer-props bootstrap.servers=192.168.0.69:9092,192.168.0.42:9092,192.168.0.66:9092 acks=1 batch.size=1024 linger.ms=0 --topic Topic-01 --num-records 8000000 --record-size 1024 --throughput 102400

    执行结果如下：

    8000000 records sent, 34128.673632 records/sec (33.33 MB/sec), 879.91 ms avg latency, 4102.00 ms max latency, 697 ms 50th, 2524 ms 95th, 2888 ms 99th, 4012 ms 99.9th.

    客户端消息生产速率=34128

    客户端服务器和实例在不同的AZ中，执行脚本如下：

    ./kafka-producer-perf-test.sh --producer-props bootstrap.servers=192.168.0.69:9092,192.168.0.42:9092,192.168.0.66:9092 acks=1 batch.size=1024 linger.ms=0 --topic Topic-01 --num-records 4000000 --record-size 1024 --throughput 102400

    执行结果如下：

    4000000 records sent, 8523.042044 records/sec (8.32 MB/sec), 3506.20 ms avg latency, 11883.00 ms max latency, 1817 ms 50th, 10621 ms 95th, 11177 ms 99th, 11860 ms 99.9th.

    客户端消息生产速率=8523

  2. 登录Kafka控制台。
  3. 单击测试实例名称，进入实例详情页。
  4. 在左侧导航栏单击“监控 > 监控详情”，进入监控页面。
  5. 在“节点”页签，查看服务端节点的CPU使用率。
    图7 broker-0的CPU使用率（客户端服务器和实例在相同的AZ中）

    CPU消耗=58.10%

    图8 broker-0的CPU使用率（客户端服务器和实例在不同的AZ中）

    CPU消耗=17.20%

    图9 broker-1的CPU使用率（客户端服务器和实例在相同的AZ中）

    CPU消耗=56.70%

    图10 broker-1的CPU使用率（客户端服务器和实例在不同的AZ中）

    CPU消耗=16.70%

    图11 broker-2的CPU使用率（客户端服务器和实例在相同的AZ中）

    CPU消耗=53.30%

    图12 broker-2的CPU使用率（客户端服务器和实例在不同的AZ中）

    CPU消耗=18.80%

测试场景三：副本数

  1. 登录客户端服务器，进入“kafka_2.12-2.7.2/bin”目录下，执行以下脚本。

    1副本，执行脚本如下：

    ./kafka-producer-perf-test.sh --producer-props bootstrap.servers=192.168.0.69:9092,192.168.0.42:9092,192.168.0.66:9092 acks=1 batch.size=1024 linger.ms=0 --topic Topic-01 --num-records 8000000 --record-size 1024 --throughput 102400

    执行结果如下：

    8000000 records sent, 34128.673632 records/sec (33.33 MB/sec), 879.91 ms avg latency, 4102.00 ms max latency, 697 ms 50th, 2524 ms 95th, 2888 ms 99th, 4012 ms 99.9th.

    客户端消息生产速率=34128

    3副本，执行脚本如下：

    ./kafka-producer-perf-test.sh --producer-props bootstrap.servers=192.168.0.69:9092,192.168.0.42:9092,192.168.0.66:9092 acks=1 batch.size=1024 linger.ms=0 --topic Topic-02 --num-records 4000000 --record-size 1024 --throughput 102400

    执行结果如下：

    4000000 records sent, 14468.325219 records/sec (14.13 MB/sec), 2069.99 ms avg latency, 7911.00 ms max latency, 846 ms 50th, 6190 ms 95th, 6935 ms 99th, 7879 ms 99.9th.

    客户端消息生产速率=14468

  2. 登录Kafka控制台。
  3. 单击测试实例名称，进入实例详情页。
  4. 在左侧导航栏单击“监控 > 监控详情”，进入监控页面。
  5. 在“节点”页签，查看服务端节点的CPU使用率。
    图13 broker-0的CPU使用率（1副本）

    CPU消耗=58.10%

    图14 broker-0的CPU使用率（3副本）

    CPU消耗=86.70%

    图15 broker-1的CPU使用率（1副本）

    CPU消耗=56.70%

    图16 broker-1的CPU使用率（3副本）

    CPU消耗=80.60%

    图17 broker-2的CPU使用率（1副本）

    CPU消耗=53.30%

    图18 broker-2的CPU使用率（3副本）

    CPU消耗=86.20%

测试场景四：同步/异步复制

  1. 登录客户端服务器，进入“kafka_2.12-2.7.2/bin”目录下，执行以下脚本。

    异步复制，执行脚本如下：

    ./kafka-producer-perf-test.sh --producer-props bootstrap.servers=192.168.0.69:9092,192.168.0.42:9092,192.168.0.66:9092 acks=1 batch.size=1024 linger.ms=0 --topic Topic-02 --num-records 4000000 --record-size 1024 --throughput 102400

    执行结果如下：

    4000000 records sent, 14468.325219 records/sec (14.13 MB/sec), 2069.99 ms avg latency, 7911.00 ms max latency, 846 ms 50th, 6190 ms 95th, 6935 ms 99th, 7879 ms 99.9th.

    客户端消息生产速率=14468

    同步复制，执行脚本如下：

    ./kafka-producer-perf-test.sh --producer-props bootstrap.servers=192.168.0.69:9092,192.168.0.42:9092,192.168.0.66:9092 acks=-1 batch.size=1024 linger.ms=0 --topic Topic-03 --num-records 1000000 --record-size 1024 --throughput 102400

    执行结果如下：

    1000000 records sent, 3981.937930 records/sec (3.89 MB/sec), 7356.98 ms avg latency, 19013.00 ms max latency, 6423 ms 50th, 14381 ms 95th, 18460 ms 99th, 18975 ms 99.9th.

    客户端消息生产速率=3981

  2. 登录Kafka控制台。
  3. 单击测试实例名称，进入实例详情页。
  4. 在左侧导航栏单击“监控 > 监控详情”，进入监控页面。
  5. 在“节点”页面，查看服务端节点的CPU使用率。
    图19 broker-0的CPU使用率（异步复制）

    CPU消耗=86.70%

    图20 broker-0的CPU使用率（同步复制）

    CPU消耗=60%

    图21 broker-1的CPU使用率（异步复制）

    CPU消耗=80.60%

    图22 broker-1的CPU使用率（同步复制）

    CPU消耗=55.20%

    图23 broker-2的CPU使用率（异步复制）

    CPU消耗=86.20%

    图24 broker-2的CPU使用率（同步复制）

    CPU消耗=50%

测试结果

表4 测试结果

分区数

副本数

是否同步复制

batch.size

是否跨AZ生产

客户端消息生产速率

服务端CPU消耗（broker-0）

服务端CPU消耗（broker-1）

服务端CPU消耗（broker-2）

3

1

否

1KB

否

34128

58.10%

56.70%

53.30%

3

1

否

16KB

否

102399

24.10%

25.00%

23.30%

3

1

否

1KB

是

8523

17.20%

16.70%

18.80%

3

3

是

1KB

否

3981

60.00%

55.20%

50.00%

3

3

否

1KB

否

14468

86.70%

80.60%

86.20%

通过上表的测试结果，得出以下结论，仅供参考：

  • 生产请求的batch.size变大16倍时，客户端消息生产速率增加，服务端CPU消耗减少。
  • 同AZ生产和跨AZ生产相比，客户端消息生产速率增加，服务端CPU消耗也随之增加。
  • 副本从1变成3时，客户端消息生产速率下降较多，服务端CPU消耗增加。
  • 异步复制的Topic和同步复制的Topic相比，客户端消息生产速率增加，服务端CPU消耗也随之增加。
父主题： 测试实例性能